数据挖掘原理与应用

本书以数据挖掘项目的典型开发过程为线索，对数据挖掘的生命周期中的各个环节，以及其中所涉及的概念、方法、技术和过程模型进行了全面细致的介绍。对于数据挖掘核心部分的典型基础算法，通过细致的阐述、详尽的示例和充分的讨论，深入地展示了数据挖掘算法的内涵，以便读者认知、学习和掌握。本书系统地介绍了数据挖掘原理、算法和应用的相关知识，内容覆盖数据挖掘的整个过程：数据采集、数据预处理、数据分类分析、数据聚类分析、数据关联分析和数据挖掘系统的应用等。在内容安排上通过数据挖掘的典型应用方法，将理论知识和工程技术应用有机地结合，浅显易懂且实践性强。本书可以作为高等院校计算机科学与技术、信息管理、数据分析等专业的教科书，也可作为企业管理、信息分析人员的技术参考书籍。

前言
第1章 绪论
1.1 信息爆炸与大数据
1.2 什么是数据挖掘
1.3 数据挖掘的任务
1.4 数据挖掘的应用
1.5 数据挖掘系统结构
1.6 数据挖掘面临的挑战
1.7 数据挖掘样例数据和相关资料
思考与练习
参考文献
第2章 数据挖掘的过程
2.1 数据分析能力
2.2 数据挖掘的过程
2.3 三阶段过程模型
2.4 SEMMA方法
2.5 CRISP-DM过程模型
2.6 5A模型
2.7 模型融合
本章小结
思考与练习
参考文献
第3章 数据准备
3.1 数据收集
3.2 数据抽样
3.3 数据集成
3.4 数据清理
3.5 数据归约
3.6 数据变换
本章小结
思考与练习
参考文献
第4章 数据探索
4.1 数据探索的作用
4.2 数据可视化
4.3 数据统计分析
4.4 加载Excel插件
本章小结
思考与练习
参考文献
第5章 关联分析
5.1 关联分析原理
5.2 由候选项集产生频繁项集
5.3 计算支持度计数
5.4 FP-Growth算法
5.5 产生频繁项集算法复杂度
5.6 生成规则
5.7 关联规则的评估
本章小结
思考与练习
参考文献
第6章 分类预测
6.1 分类的原理
6.2 决策树分类
6.3 基于规则的分类器
6.4 贝叶斯分类器
6.5 人工神经网络
6.6 支持向量机
6.7 模型评估
本章小结
思考与练习
参考文献
第7章 聚类分析
7.1 聚类的基本概念
7.2 K均值（K-means）聚类方法
7.3 K中心点（K-medoids）算法
7.4 层次聚类
7.5 DBSCAN聚类
7.6 聚类算法评估
本章小结
思考与练习
参考文献
第8章 回归分析
8.1 回归分析的概念
8.2 回归算法
8.3 回归的评估与检验
本章小结
思考与练习
参考文献
第9章 数据挖掘的工具
9.1 MATLAB
9.2 SPSS Modeler
9.3 SAS Enterprise Miner
9.4 WEKA
9.5 R
本章小结
参考文献
第10章 WEKA数据挖掘应用
10.1 WEKA简介
10.2 Explorer
10.3 Experimenter
10.4 KnowledgeFlow
10.5 WEKA API
10.6 WEKA的设置和使用
本章小结
思考与练习
参考文献